string 字符串

tring 類型是二進制安全的，即 string 中可以包含任何數(shù)據(jù)。

Redis 中的普通 string 采用 raw encoding 即原始編碼方式，該編碼方式會動態(tài)擴容，并通過提前預(yù)分配冗余空間，來減少內(nèi)存頻繁分配的開銷。

在字符串長度小于 1MB 時，按所需長度的 2 倍來分配，超過 1MB，則按照每次額外增加 1MB 的容量來預(yù)分配。

Redis 中的數(shù)字也存為 string 類型，但編碼方式跟普通 string 不同，數(shù)字采用整型編碼，字符串內(nèi)容直接設(shè)為整數(shù)值的二進制字節(jié)序列。

在存儲普通字符串，序列化對象，以及計數(shù)器等場景時，都可以使用 Redis 的字符串類型，字符串?dāng)?shù)據(jù)類型對應(yīng)使用的指令包括 set、get、mset、incr、decr 等。

list 列表

list 列表，是一個快速雙向鏈表，存儲了一系列的 string 類型的字串值

對于常規(guī)的 pop、push 元素，性能很高，時間復(fù)雜度為 O(1)，因為是列表直接追加或彈出。但對于通過隨機插入、隨機刪除，以及隨機范圍獲取，需要輪詢列表確定位置，性能就比較低下了。

操作 list 列表時，可以用 lpush、lpop、rpush、rpop、lrange 來進行常規(guī)的隊列進出及范圍獲取操作，在某些特殊場景下，也可以用 lset、linsert 進行隨機插入操作，用 lrem 進行指定元素刪除操作；最后，在消息列表的消費時，還可以用 Blpop、Brpop 進行阻塞式獲取，從而在列表暫時沒有元素時，可以安靜的等待新元素的插入，而不需要額外持續(xù)的查詢。

set 集合

set 是 string 類型的無序集合，set 中的元素是唯一的，即 set 中不會出現(xiàn)重復(fù)的元素。Redis 中的集合一般是通過 dict 哈希表實現(xiàn)的，所以插入、刪除，以及查詢元素，可以根據(jù)元素 hash 值直接定位，時間復(fù)雜度為 O(1)。

操作

• sismember 指令判斷該 key 對應(yīng)的 set 數(shù)據(jù)結(jié)構(gòu)中，是否存在某個元素，如果存在返回 1，否則返回 0；

• sdiff 指令來對多個 set 集合執(zhí)行差集；

• sinter 指令對多個集合執(zhí)行交集；

• sunion 指令對多個集合執(zhí)行并集；

• spop 指令彈出一個隨機元素；

• srandmember 指令返回一個或多個隨機元素。

在社交系統(tǒng)中，可以用于存儲關(guān)注的好友列表，用來判斷是否關(guān)注，還可以用來做好友推薦使用。另外，還可以利用 set 的唯一性，來對服務(wù)的來源業(yè)務(wù)、來源 IP 進行精確統(tǒng)計。

sorted set 有序集合

有序集合中，每個元素都會關(guān)聯(lián)一個 double 類型的 score 分數(shù)值。有序集合通過這個 score 值進行由小到大的排序。有序集合中，元素不允許重復(fù)，但 score 分數(shù)值卻允許重復(fù)。

操作

• zscan 指令：按順序獲取有序集合中的元素；

• zscore 指令：獲取元素的 score 值；

• zrange指令：通過指定 score 返回指定 score 范圍內(nèi)的元素；

• 在某個元素的 score 值發(fā)生變更時，還可以通過 zincrby 指令對該元素的 score 值進行加減。

• 通過 zinterstore、zunionstore 指令對多個有序集合進行取交集和并集，然后將新的有序集合存到一個新的 key 中，如果有重復(fù)元素，重復(fù)元素的 score 進行相加，然后作為新集合中該元素的 score 值。

可以用有序集合來統(tǒng)計排行榜，實時刷新榜單，還可以用來記錄學(xué)生成績，從而輕松獲取某個成績范圍內(nèi)的學(xué)生名單，還可以用來對系統(tǒng)統(tǒng)計增加權(quán)重值，從而在 dashboard 實時展示。

hash 哈希

略

bitmap

位圖是一串連續(xù)的二進制數(shù)字，底層實際是基于 string 進行封裝存儲的

按 bit 位進行指令操作的。bitmap 中每一 bit 位所在的位置就是 offset 偏移，可以用 setbit、bitfield 對 bitmap 中每個 bit 進行置 0 或置 1 操作，也可以用 bitcount 來統(tǒng)計 bitmap 中的被置 1 的 bit 數(shù)，還可以用 bitop 來對多個 bitmap 進行求與、或、異或等操作。

bitmap 位圖的特點是按位設(shè)置、求與、求或等操作很高效，而且存儲成本非常低，用來存對象標(biāo)簽屬性的話，一個 bit 即可存一個標(biāo)簽?？梢杂?bitmap，存用戶最近 N 天的登錄情況，每天用 1 bit，登錄則置 1。

個性推薦在社交應(yīng)用中非常重要，可以對新聞、feed 設(shè)置一系列標(biāo)簽，如軍事、娛樂、視頻、圖片、文字等，用 bitmap 來存儲這些標(biāo)簽，在對應(yīng)標(biāo)簽 bit 位上置 1。對用戶，也可以采用類似方式，記錄用戶的多種屬性，并可以很方便的根據(jù)標(biāo)簽來進行多維度統(tǒng)計。bitmap 位圖的重要指令包括：setbit、 getbit、bitcount、bitfield、 bitop、bitpos 等。

使用經(jīng)歷

統(tǒng)計用戶登錄情況 ： 1 2 3 5 天內(nèi)登錄
bitmap : 1 1 1 0 1

GEO 地理位置

在存儲某個位置點時，首先利用 Geohash 算法，將該位置二維的經(jīng)緯度，映射編碼成一維的 52 位整數(shù)值，將位置名稱、經(jīng)緯度編碼 score 作為鍵值對，存儲到分類 key 對應(yīng)的 sorted set 中。

需要計算某個位置點 A 附近的人時，首先以指定位置 A 為中心點，以距離作為半徑，算出 GEO 哈希 8 個方位的范圍， 然后依次輪詢方位范圍內(nèi)的所有位置點，只要這些位置點到中心位置 A 的距離在要求距離范圍內(nèi)，就是目標(biāo)位置點。輪詢完所有范圍內(nèi)的位置點后，重新排序即得到位置點 A 附近的所有目標(biāo)。

使用 geoadd，將位置名稱（如人、車輛、店名）與對應(yīng)的地理位置信息添加到指定的位置分類 key 中；

使用 geopos 方便地查詢某個名稱所在的位置信息；

使用 georadius 獲取指定位置附近，不超過指定距離的所有元素；

Redis GEO 地理位置，利用 Geohash 將大量的二維經(jīng)緯度轉(zhuǎn)一維的整數(shù)值，這樣可以方便的對地理位置進行查詢、距離測量、范圍搜索。但由于地理位置點非常多，一個地理分類 key 下可能會有大量元素，在 GEO 設(shè)計時，需要提前進行規(guī)劃，避免單 key 過度膨脹。

Redis 的 GEO 地理位置數(shù)據(jù)結(jié)構(gòu)，應(yīng)用場景很多，比如查詢某個地方的具體位置，查當(dāng)前位置到目的地的距離，查附近的人、餐廳、電影院等。GEO 地理位置數(shù)據(jù)結(jié)構(gòu)中，重要指令包括 geoadd、geopos、geodist、georadius、georadiusbymember 等。

使用 geodist 來獲取指定的兩個位置之間的距離。

hyperLogLog 基數(shù)統(tǒng)計

hyperLogLog 是用來做基數(shù)統(tǒng)計的數(shù)據(jù)類型，當(dāng)輸入巨大數(shù)量的元素做統(tǒng)計時，只需要很小的內(nèi)存即可完成。HyperLogLog 不保存元數(shù)據(jù)，只記錄待統(tǒng)計元素的估算數(shù)量，這個估算數(shù)量是一個帶有 0.81% 標(biāo)準差的近似值，在大多數(shù)業(yè)務(wù)場景，對海量數(shù)據(jù)，不足 1% 的誤差是可以接受的。

Redis 的 HyperLogLog 在統(tǒng)計時，如果計數(shù)數(shù)量不大，采用稀疏矩陣存儲，隨著計數(shù)的增加，稀疏矩陣占用的空間也會逐漸增加，當(dāng)超過閥值后，則改為稠密矩陣，稠密矩陣占用的空間是固定的，約為12KB字節(jié)。

通過 hyperLoglog 數(shù)據(jù)類型，你可以利用 pfadd 向基數(shù)統(tǒng)計中增加新的元素，可以用 pfcount 獲得 hyperLogLog 結(jié)構(gòu)中存儲的近似基數(shù)數(shù)量，還可以用 hypermerge 將多個 hyperLogLog 合并為一個 hyperLogLog 結(jié)構(gòu)，從而可以方便的獲取合并后的基數(shù)數(shù)量。

hyperLogLog 的特點是統(tǒng)計過程不記錄獨立元素，占用內(nèi)存非常少，非常適合統(tǒng)計海量數(shù)據(jù)。在大中型系統(tǒng)中，統(tǒng)計每日、每月的 UV 即獨立訪客數(shù)，或者統(tǒng)計海量用戶搜索的獨立詞條數(shù)，都可以用 hyperLogLog 數(shù)據(jù)類型來進行處理。

相關(guān)學(xué)習(xí)推薦：Laravel